英特尔开发新方向：人工智能芯片

据Computerworld网站报道，英特尔在芯片开发方面开辟了新方向：人工智能，它相信人工智能将渗透到所有应用和Web服务中。

当地时间周四，英特尔宣布在开发一款能处理人工智能负载的新芯片。目前，人工智能芯片独立于主流产品线，在计算机中被用作专用主芯片或协处理器。

但是，随着时间推移，英特尔将在其主流服务器、物联网，甚至PC芯片中整合人工智能特性。人工智能特性可以应用在服务器、无人机、机器人和自动驾驶汽车中。为实现业务多元化，降低对PC市场依赖程度，英特尔在积极进军这些新市场。

人工智能计算的霸主是英伟达GPU(图形芯片)和谷歌等公司的定制芯片。英特尔计划推出多款面向深度学习任务的非GPU芯片，加速进军人工智能领域。由于反应迟缓，英特尔错过了手机市场机遇，它希望在人工智能市场上不会重蹈手机市场的覆辙。

英特尔缺乏先进的GPU技术，希望替代性芯片能弥补其不足。英特尔相信它不需要GPU也能进军人工智能市场，不会像英伟达那样把所有鸡蛋都放在一个篮子中。

英特尔正在开发代号为Knights Mill的人工智能芯片，它面向深度学习，是至强Phi芯片系列成员。英特尔尚未披露这款芯片细节。英特尔数据中心集团副总裁詹森•韦克斯曼(Jason Waxman)表示，在运行深度学习任务方面，Knights Mill运行速度将是代号为Knights Landing的现有至强Phi芯片4倍。

Computerworld 表示，Knights Mill将于明年发布，表明英特尔进入人工智能领域的急迫心情。上两款至强Phi芯片发布时间相差4年。

与英特尔开发的其他芯片相比，Knights Mill有数项独门武功。不同于专注于数学计算的英特尔高性能芯片的是，Knights Mill把一系列高速、底层浮点运算串在一起，得出结论。这些结论是深度学习的真髓——图像识别等问题的结论不可能总是精确的。不过，随着计算机深度学习模型越来越强大，结论也将越来越精确。

明年上半年，英特尔还将发布首款利用Nervana技术的深度学习硬件。英特尔今年8月收购了Nervana。Nervana芯片主要面向训练——创建深度学习计算机模型，它也可以用于推理——通过更多数据强化深度学习模型。

Nervana芯片将主要被应用在服务器中。最初，英特尔将以板卡形式销售Nervana芯片，板卡可以插入标准PCI-Express插槽。英特尔人工智能解决方案部门副总裁兼总经理纳威恩•劳(Naveen Rao)表示，但随着时间推移，Nervana芯片将越来越“靠近”处理器。纳威恩•劳是Nervana创始人。

上述两款新芯片将加入英特尔人工智能芯片阵营。英特尔最近收购了人工智能芯片厂商Movidius，谷歌眼镜就配置Movidius的计算机视觉芯片。Movidius芯片可以应用在可穿戴设备、无人机和机器人中，完成目标识别和深度测量等任务。

英特尔还销售FPGA(现场可编程门阵列)芯片，希望这类芯片能被应用在服务器、自动驾驶汽车、机器人和无人机中。英特尔明年将销售被称作“Deep Learning Inference Accelerator”(深度学习推理加速器)的FPGA芯片，竞争对手是谷歌Tensor Processing Unit等推理芯片。

英特尔的急迫心情源自人工智能的快速普及。传感器能生成大量数据，人工智能是理解这些数据意义的一种新兴技术。

谷歌、Facebook和亚马逊等大公司，都在部署软件和硬件，尝试理解这些数据的意义。微软小娜语音助手是人工智能应用的一个范例，它利用算法和FPGA识别语音。

这些系统的效果取决于与深度学习模型有关的软件。Nervana的软件将成为英特尔面向深度学习的并行编程框架，这款开放源代码编程框架的竞争对手包括Caffe、Torch、谷歌TensorFlow和微软CNTK等。

但这么多人工智能芯片会让客户感到无所适从吗?韦克斯曼表示，芯片越多越好。英特尔希望向客户提供多种选择，部分芯片擅长具体任务。

市场研究公司Tirias Research首席分析师吉姆•麦克格雷格(Jim McGregor)说，英特尔迅速在人工智能市场占有一席之地是重要的。

麦克格雷格说，英特尔在人工智能市场上推出多种芯片，目的是检验哪种芯片更有生命力，“英特尔推出多种解决方案是很好的，但它与其他芯片厂商相比没有任何优势。”

Computerworld称，英特尔进军人工智能市场并非没有风险。麦克格雷格表示，英特尔收购Nervana的目的在于后者软件，任何把客户锁定在这些工具上的尝试都不会被业界接受。Nervana的工具是开放源代码软件，针对英特尔芯片，但Caffe等其他框架越来越普及。

麦克格雷格说，“这是一个有问题的战略。过去10年英特尔一直是这样做的，它尝试让所有人都采用其技术。”

但深度学习尚处于发展早期，针对深度学习对计算技术进行优化还需要时间，量子计算机和人脑模拟芯片等新型硬件将改变市场格局